L`impact du Big Data sur les modèles de crédit : révolution

1/12/2014 L’impactduBigDatasurlesmodèlesdecrédit:révolutionouévolution?
http://www.revuebanque.fr/print/managementfonctionssupports/article/impactbigdatasurlesmodelescreditrevolution 1/5
Imprimépar[email protected]
Cetteimpressionestàusagestrictementpersonnel.Sivoussouhaitezutilisercetarticleàdes
finscollectives,mercidecontacterRevueBanque.
Accueil>Managementetfonctionssupports>L’impactduBigDatasurlesmodèlesdecrédit:révolutionouévolution?
Statistiques
L’impactduBigDatasurlesmodèlesde
crédit:révolutionouévolution?
LeBigDatametàdisposition,quasimententempsréel,desvolumesconsidérablesdedonnées.
Commentexploiteraumieuxcettemassed’informationencequiconcernelesmodèlesde
gestiondurisquedecrédit?Lesméthodesstatistiquesusuellespeuventelless’appliquer?
Quellessontlesplusefficaces?
L'auteur
CindyClaudios
ConsultanteRisque
ConixConsulting
RaphaëlHagège
AssociéResponsablePôleRisqueetréglementaire
ConixConsulting
Pourensavoirplus

1/12/2014 L’impactduBigDatasurlesmodèlesdecrédit:révolutionouévolution?
http://www.revuebanque.fr/print/managementfonctionssupports/article/impactbigdatasurlesmodelescreditrevolution 2/5
LarégressionlogistiquePLS
Exemplederéseaubayésien
images
3.RÉSEAUDENEURONES
4.EXEMPLEDERÉSEAUBAYÉSIEN
Revuedel'article
Cetarticleestextraitde
RevueBanquen°777
Lesdérivés:enfinsouscontrôle?
LeBigDataestuneexpressionanglophonedésignantunensembledesdonnéesvolumineuxqui
secaractérise,généralement,parles3V:
lavélocité:lavitesseàlaquellelesdonnéessontcollectéesettraitées;
lavariété:l’originevariéedessourcesdedonnées;
levolumedesdonnéescollectées,quiatteintlespetaoctets(1015octets).
CettenotionestvuecommelarévolutionindustrielleduXXIesièclequivaimpactertoutesles
entreprises,toussecteursd’activitéconfondus,etdansdenombreuxdomaines,quecesoitle
marketing,ladétectiondefraudeouencorelamaîtrisedurisque.Maislesavissontpartagés,
notammentencequiconcernel’impactsurlesmodèlesderisquedecrédit;certainsacteurs
pensentqueleBigDatavarévolutionnerlastatistique,tandisqued’autresnevoientdansleBig
Dataqu’uneévolutiondudataminingetdel’analysededonnées.Pourrépondreauxdifférentes

1/12/2014 L’impactduBigDatasurlesmodèlesdecrédit:révolutionouévolution?
http://www.revuebanque.fr/print/managementfonctionssupports/article/impactbigdatasurlesmodelescreditrevolution 3/5
questions,desretoursd’expérienceserontnécessaires.
LeBigData:véritablerévolutiontechnologique
Levolumeetlavariétédel’informationdisponiblevontpermettred’enrichirconsidérablementla
connaissanceduclient,depouvoircréerdesprofilsderisqueenfonctiondesesgoûts,deson
réseausocial.L’entreprisepourraétudierunesourceinépuisablededonnées,entempsquasi
réel.L’individuneseraplusvudemanièreisolée,maisentantqu’élémentd’ungroupeformant
unréseau.
L’entreprisepourraanalyserdescentaines,voiredesmilliersdedimensions,afind’optimiseret
identifierlesperformancesdesmodèlesdecrédit.Lavitessedemiseàjourdesdonnées,parfois
entempsréel,estuneexcellenteaidepourlamaîtrisedurisqueetlaprisededécision.
Maisuntravailimportantdevraêtrefaitenamontsurlaméthodologieàemployerpourtraiterdes
informations,dontleformatestdifférentduformatstandard(textesetchiffres),commeles
images,lesvidéosouencorelesmails.
Lavariétédessourcespourraégalementpermettreàl’entreprised’améliorerlaqualitéetla
fiabilitédesesdonnéesencomparantlesdifférentessourcesentreelles,devérifierlacohérence
desinformationsobtenueslorsdelademandedeprêt,maisàlaconditionquelesdonnéesainsi
collectéessoientcorrectementintégréesàlabasededonnées.Eneffet,lesdonnéesissuesde
latoileserontengrandepartienonstructurées,carellesaurontpotentiellementunnombrede
valeurstoutesdifférentesetimpossiblesàcatégoriser.Pourleurexploitation,ellesdevrontêtre
structurées.Danslecasoùlesdonnéessontmalintégrées,l’entrepriserisquedese«noyer»
sousunflotd’informationsqu’elleneserapascapablederestitueretvalorisercorrectement.
LavéracitédesinformationsissuesdesréseauxsociauxtelsqueFacebookouViadeoseraà
contrôler.Eneffet,n’importequellepersonnepeutindiquercequ’ellesouhaite.Desinformations
issuesdesitescommeViadeoetLinkedinserontplusfacilementvérifiables,aveclesbulletinsde
salaireparexemple.
Avecl’augmentationconsidérableduvolumededonnées,lestatisticienn’auraplusletemps
d’étudierlesvariablesuneàune.Ildevrad'abordfairedutraitementdemasse,puisanalyserles
variablesquiressortentcommediscriminantes.Auvudelamultitudededonnéesdisponibles,
descompétencesmétierserontnécessaires,afindemieuxciblerlesvariablesoucroisementde
variablespouvantaideràlaprédictionducritèrededéfaut,ounondéfaut.
Demême,lesméthodesstatistiquesusuelles,commelarégressionlogistique[1],lesarbresde
décisionouencorelesréseauxdeneurones,negèrentpaslesvaleursmanquantes,cequiva
demanderuneétudeapprofondiedesraisonsdel’absencedecesinformations.
Deplus,larégressionlogistique[2]esttrèssensibleauproblèmedemulticolinéaritépartielle,
quisemanifestelorsqu’unevariableexplicativeestfortementcorréléeàuneouplusieurs
variablesexplicatives(ouàl’unedeleurcombinaison).Lorsqueceproblèmeestrencontré,on
observesouvent:
unefortevariance[3]despondérationsestiméesetd'importantsintervallesdeconfiance[4]
autourdespondérations;
lestestsdeWald,quitestentlanullitédechaquepondération,nonrejetés,bienqueles
variablesexplicativesconcernéessoientsignificativesvisàvisdudéfaut;
despondérationsestiméesdesignescontrairesaurisquededéfaut;
desvariablesquientrentdanslemodèlealorsqueçanedevraitpasêtrelecas.
Testerdemultiplesmodèles
Pourpallierceproblème,untravailconsidérable,enamont,del'étudedesliaisonsentreles
différentesvariablesexplicativesestexigéetdemultiplesmodèlesdoiventêtretestés,en
excluantuneouplusieursvariablesexplicativesconcernéesparleproblèmedemulticolinéarité.

1/12/2014 L’impactduBigDatasurlesmodèlesdecrédit:révolutionouévolution?
http://www.revuebanque.fr/print/managementfonctionssupports/article/impactbigdatasurlesmodelescreditrevolution 4/5
L’arbrededécision(voirFigure1)estuneméthodedesegmentationreprésentéegraphiquement
commeunarbre,composédenœudsdedécision(lesrondsfoncés)reliéspardesbrancheset
denœudterminaux(rondsclairs)quidonnentladécisionfinale.C’estuneméthodestatistique
peurobusteenprésenced’ungrandnombredevariables.Eneffet,plusilyadevariablesen
entrée,pluslenombredetestdemodèleaugmente.Unmauvaischoixdevariableaudébutpeut
conduireàunarbreavecunfaiblepouvoirdiscriminant.
Deplus,sil’arbrededécisionestfaitsurdesvariablesqualitativesalorsletempsdetraitement
augmenteaveclenombredemodalitésdesvariables.Etsil’arbrededécisionestétablisurdes
variablesquantitatives,alorsilchoisitleseuildedécoupagedelavariableetrisquedeconstruire
desclassestroppetites.
Leréseaudeneurones(voirEncadré3)estuneméthodestatistiqued’apprentissagesupervisé
inspiréedufonctionnementducerveauhumain.Ilestcomposédeplusieursneurones.Àchaque
entréedeneurone,correspondentnvariablesnotéesxi(i[1;n])àlaquelleonaffecteunpoids
(wij),pourlejeneurone.Unecombinaisonlinéaireentrelesvariablesd’entréeetlespoidsest
effectuée,cequ’onappellesommepondérée.Cettesommepondérée(souventégalàlajxi*
wij)estsoumiseàunefonctiond’activation(linéaireparexemple)déterminéeenfonctionduseuil
j.Ensortiedelafonctiond’activation,unparamètredesortie(oj)esttransmisàunautre
neuronecommeparamètred’entrée.
Lesréseauxdeneuronessontcomposésdetroiscouches:
lapremièrecouche,dited’entrée,reçoitlesdonnéessources;satailleestdirectement
impactéeparlenombredevariablesenentrée(lesvariablesexplicatives);
laseconde,cachée,n’apasdecontactavec«l’extérieur»;
lacouchedesortiedonnelerésultatfinal,iciledéfautounon.
Cetteméthodeadenombreuxinconvénients,enplusdesanongérancedesvaleurs
manquantes,commel’initialisationdespoidsduréseauouencorelechoixdunombrede
neuronesdanslacouchecachéequidemandedetesterplusieurstaillespossiblesafind’obtenir
debonsrésultats.Ilexistedesurcroîtunrisquedesurapprentissage(oud’apprentissage«par
cœur»)lorsquelemodèlecomportetropdevariablesexplicatives,carilexpliqueralesrésidus
aulieuducomportementglobal.
Leslimitesdesmodèlesactuelsvontexigerdustatisticiendetrouverd’autresméthodesde
scoring.
LeBigDatacommesimpleévolutiondudataminingetdel’analysededonnées
Souvent,leBigDataestvucommeunevéritablerévolution,carlevolumededonnéesest
impressionnantetlesformatsdedonnéesnouveaux.Orlesmathématiquesprennentdéjàen
comptedestaillesetdimensionsinfiniespourlesmodèlesdeconceptionhilbertien.
UnepremièresolutionestlarégressionlogistiquePLS[5],issuedelarégressiondesmoindres
carréspartielsinventéeen1983parSvanteetHermanWold.Elleestprincipalementutiliséeen
biologie,pourl’expressiondesgènes,oùlesdonnéessontfortementcorréléesentreelles.Cette
méthodeestréputéepourêtreunebonnesolutionauproblèmedemulticolinéarité,quigèreles
valeursmanquantesetquitolèretrèsbienlessituationsoùlesvariablessontbeaucoupplus
nombreusesquelesobservations(voirEncadré1).
Unedeuxièmesolutionestd’utiliserleSéparateuràVasteMargeouSupportVectorMachine
(SVM),utiliséenbioinformatique.Cetteméthodedécouledirectementdestravauxenthéoriede
l’apprentissagedeVapnik,àpartirde1995.Elleaétédéfinieàl’originepourlaprévisiond’une
variabledichotomique(0ou1).Elleestbaséesurlarecherchedel’hyperplandemargeoptimale
qui,lorsquec’estpossible,classeouséparecorrectementlesdonnéesendeuxgroupes:défaut
etnondéfaut,toutenétantlepluséloignépossibledetouteslesobservations.Lebutétantde
minimiserlenombred’observationsmalclasséesàl’aided’unclassifieur,oufonctionde

1/12/2014 L’impactduBigDatasurlesmodèlesdecrédit:révolutionouévolution?
http://www.revuebanque.fr/print/managementfonctionssupports/article/impactbigdatasurlesmodelescreditrevolution 5/5
décision.LemodèleSVMpeutêtrelinéairesilesdonnéessontlinéairementséparables.Dansle
casoùlesdonnéessontnonséparables,lasolutionconsisteàmodéliserdeserreurspotentielles
pardesvariablesd’écartpositivespourutiliserlemodèleSVMlinéaire.Mais,enpratique,la
frontièreoptimalen’estpaslinéaire;desnoyauxvontdoncêtreintroduitsdanslemodèle.Les
méthodesànoyauxontl’avantaged’êtretrèsflexiblespours’adapteràdesobjetscomplexes
commedesimages,desvidéosouencoredesgraphes.Deplus,surleplanalgorithmique,les
algorithmessontmoinspénalisésparlenombredevariablesqueparlenombred’individus.À
noterquelesnoyauxontétéintroduitsdanslastatistiquedèslesannées1950.Leurprincipal
inconvénientrésidedansleurcomplexité.
Unetroisièmealternativeauxméthodesusuellesestl’utilisationduréseaubayésien[6].Cette
méthodeaétéinitiéeparJudeaPearldanslesannées1980.Ellepermetdetraiterdegrands
jeuxdedonnéesafind’enextrairedesconnaissancesutilesàlaprisededécision,deprévoirou
contrôlerlecomportementd’unemprunteur,parexemple(voirEncadré4).
L’avantagedecetteméthodeestsonfortpouvoirdiscriminant,qu’elless’utilisentaussibiensur
desvariablesqualitativesetquantitativesetprendencompteleursincertitudes.Elleesttrès
pratiquepourlareprésentationdeconnaissancesincertainesetleraisonnementàpartir
d’informationsincomplètes,etpermetainsid’intégrerdenouvellesinformationscomme
l’expertiseouencoreleretourd’expérience.Lesréseauxbayésiensontl’avantage,parson
graphique,d’êtreuneméthodeintuitivequipermetdevoirlesdépendancesentrelesvariableset
quiaideàcomprendrelemodèle.
Unavantageconcurrentiel
QueleBigDatasoitunerévolutionouunesimpleévolution,touslesauteurss’accordentàdire
quel’entreprisequirésoudralesdifférentesproblématiques–mathématique,informatiqueet
métier–tireraduBigDataunavantageconcurrentielconsidérable.
[1]Larégressionlogistiqueestuneméthodestatistiquequis’utiliselorsquel’onchercheà
expliquerlasurvenued’unévénement(parex.ledéfautdepaiement)àl’aidedevariables
explicatives(pouvantêtrecontinuesoudiscrètes)susceptiblesd’influencerlasurvenuedecet
événement(parex.l’âge).
[2]GilbertSaporta,Probabilités,analysedesdonnéesetstatistique,ÉditionsTechnip,2006.
[3]Lavarianceestunoutilstatistiquequipermetdemesurerladispersiond'unevariablepar
rapportàsamoyenne.
[4]L'intervalledeconfiancepermetd'évaluerlaprécisiondel'estimationd'unparamètre
statistiquesurunéchantillon.
[5]ChristopheCroux,JeanJacquesDroesbeke,PierreLouisGonzalez,ChristianGourieroux,
GentianeHaesbroeck,MichelLejeune,GilbertSaportaetMichelTenenhaus,Modèles
statistiquespourdonnéesqualitatives,ÉditionsTechnip,2005.
[6]PatrickNaïm,PierreHenriWuillemin,PhilippeLeray,OlivierPourretetAnnaBecker,
Réseauxbayésiens,ÉditionsEyrolles(2007).
PubliésurRevueBanque(http://www.revuebanque.fr)
Lien:http://www.revuebanque.fr/managementfonctionssupports/article/impactbigdatasurlesmodelescredit
revolution